CondicionesTransversalidad Suficiencia10 2

MATEMÁTICAS PARA ECONOMÍSTAS
Control Óptimo Determinı́stico
Prof. Abelardo Jordán Liza
Facultad CCSS- Especialidad Economı́a - PUCP
Semana 10 − clase 2
Junio 11 del 2020

Control óptimo en tiempo continuo, horizonte finito
CONCEPTOS BÁSICOS Y DEFINICIONES

1 Variable temporal : t ∈ [0, T ],Horizonte finito. ; t ∈ [0, ∞[,Horizonte
infinito.
A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS


infinito.
2 Variable de estado(del sistema):x = x(t) “describe el estado del sistema
en el instante t”.


infinito.
3 Variable de control Denotamos por u = u(t) el control(acciones del
decisor) del sistema en el instante t.


infinito.
u(t)
x = f(t,x,u) (Evolución del estado)
x(t)
0 t T


infinito.
u(t)
x = f(t,x,u) (Evolución del estado)
x(t)
0 t T
Asumamos que
ẋ(t) = f (t, x(t), u(t))
y la condición de estado inicial x(0) = x0 .

¿En qué consiste un problema de control óptimo? Para cada t ∈ [0, T ], la terna
(t, x, u) recibe una calificación(valoración) y se agregan estos cálculos en el
intervalo temporal de ejercicio
Z T
F (t, x, u)dt (1)
0

Z T
F (t, x, u)dt (1)
0
.
El decisor va a ...... ..

Z T
F (t, x, u)dt (1)
0
.
Un problema de optimización dinámica. Se busca -.....-

Z T
F (t, x, u)dt (1)
0
.
Un problema de optimización dinámica. Se busca -.....-
¿Qué hay para una condición terminal del estado.?

Un primer problema
Recuerde que u = u(t) es una respuesta en el instante t, en general se asume

que u ∈ Ωt ( conjunto de controles admisibles en el instante t).

Un primer problema

Un primer problema a considerar, es:
RT
max(min)u∈Ω 0
F (t, , x, u)dt
s.a. ẋ = f (t, x, u)
x(0) = x0 ; x(T ) = x1

Un primer problema

Un primer problema a considerar, es:
RT
max(min)u∈Ω 0
F (t, , x, u)dt
s.a. ẋ = f (t, x, u)
x(0) = x0 ; x(T ) = x1
Se trata de hallar la función u∗ = u∗ (t) ∈ Ω tal que J(u∗ ) ≥ J(u), ∀u ∈ Ω

para un problema de maximización.

Observación
Pueden presentarse varias variables de estado x1 , · · · , xn y Varias variables de

control u1 , · · · , um .

Observación
Pueden presentarse varias variables de estado x1 , · · · , xn y Varias variables de

control u1 , · · · , um .
Para ilustrar, para las variables de estado x y y y una variable de control u, el
problema previo toma la forma
RT
max(min)u∈Ω 0
F (t, x, y; u)dt
s.a. ẋ = f (t, x, y, u)
ẏ = g(t, x, y, u)
x(0) = x0 ; x(T ) = x1 ; y(0) = y0 ; y(T ) = y1 .

Optimización de beneficio
Supongamos que la captura de Q unidades de cierto recurso pesquero(por

unidad de tiempo) es una función del capital K destinado a esta labor:
Q = q(K).


Q = q(K).
La empresa debe conseguir su propio capital que dura buen largo tiempo. Sea
I(t) la cantidad de capital que la empresa invierte en el instante t y suponga
que el capital se deprecia a una tasa δ. La cantidad de capital que posee la
emnpresa en el instante t es K(t) y sigue la ecuación diferencial:
K̇ = I(t) − δK(t)


Q = q(K).
K̇ = I(t) − δK(t)
Sea c(I(t)) la función que manifiesta el costo de invertir la cantidad I(t) de

capital en el instante t. Si cada unidad de recurso capturado tiene un valor de
p u.m., entonces el beneficio de la firma, es:
π(K(t), I(t)) = pq(K(t)) − c(I(t))


Q = q(K).
K̇ = I(t) − δK(t)
Sea c(I(t)) la función que manifiesta el costo de invertir la cantidad I(t) de

capital en el instante t. Si cada unidad de recurso capturado tiene un valor de
p u.m., entonces el beneficio de la firma, es:
π(K(t), I(t)) = pq(K(t)) − c(I(t))
La firma debe tomar las cantidades de inversión I(t) que resuelvan el problema
RT
max 0
π(K, I)e−ρt dt
I
s.a. K̇ = I(t) − δK(t)
K(0) = K0

Modelo de Producción-Inventario
“Minimizar el costo de Producción con inventario en [0, T ]”

Variable de estado I(t) : Nivel de inventario en el instante t.
Variable de control P (t) : Tasa de producción.
Si S(t) es la tasa de demanda , entonces la ecuación de estado está dada
por
dI
= P (t) − S(t)
dt
Restricciones:
I(t) ≥ 0 (Disponibilidad para atender la demanda)
Pmin ≤ P (t) ≤ Pmax (las tasas de producción entre valores establecidos).
I(T ) ≥ Imin , terminar el periodo establecido con un stock mı́nimo dado.

¿Qué hay que optimizar?

Z T
min J = [h(I(t)) + c(P (t))] dt
P 0

Z T
min J = [h(I(t)) + c(P (t))] dt
P 0
o eqivalentemente
Z T
max G = [−h(I(t)) − c(P (t))] dt
P 0
s.a.
˙ = P (t) − S(t)
I(t)
I(t) ≥ 0; Pmin ≤ P (t) ≤ Pmax ; I(T ) ≥ Imin

El Hamiltoniano
En esta parte consideremos un problema básico de control óptimo con una

variable de estado y una variable de control.

El Hamiltoniano
En esta parte consideremos un problema básico de control óptimo con una

variable de estado y una variable de control.
Dado el problema: RT
max 0
F (t, , x, u)dt
u∈Ω
(2)
s.a. ẋ = f (t, x, u)
x(0) = x0 ; x(T ) = x1
El Hamiltoniano asociado a este problema, está dado por
H(t, x, u, λ) = F (t, x, u) + λ(t)f (t, x, u)
donde λ = λ(t) se denomina variable de co-estado.

Condiciones necesarias de optimalidad
Supongamos que u∗ = u∗ (t) resuelve el problema (2), entonces:

u∗ resuelve el problema max H(t, x, u, λ).
u∈Ω
La senda óptima de estado x∗ (t) y λ(t) asociado, satisfacen el sistema:
ẋ = f (t, x, u)
∂H
λ̇ =−
∂x
x∗ (0) = x0 ; x∗ (T ) = x1 .

Ejemplo
Dado el problema Z 1
maxu (x − u2 )dt
0
s.a. ẋ = 2x + u
x(0) = 1 , x(1) = 2.

Ejemplo
maxu (x − u2 )dt
0
s.a. ẋ = 2x + u
x(0) = 1 , x(1) = 2.
La función Hamiltoniana, es H = x − u2 + λ(2x + u) Aplicamos condiciones
necesarias:
En primer lugar, resolvemos el problema max(−u2 + λu + x + 2λx) Como
u
∂H
H es cóncava y diferenciable, entonces de = −2u + λ = 0, resulta
∂u
λ
u= .
2

Ejemplo
maxu (x − u2 )dt
0
s.a. ẋ = 2x + u
x(0) = 1 , x(1) = 2.
necesarias:
u
∂H
∂u
λ
u= .
2
∂H
De la condición λ̇ = − = −(1 + 2λ), resulta
∂x
1
λ(t) = Ae−2t − .
2

Ejemplo
maxu (x − u2 )dt
0
s.a. ẋ = 2x + u
x(0) = 1 , x(1) = 2.
necesarias:
u
∂H
∂u
λ
u= .
2
∂H
De la condición λ̇ = − = −(1 + 2λ), resulta
∂x
1
λ(t) = Ae−2t − .
2
A −2t 1
y en consecuencia u(t) = 2
e −
. Llevando a la ecuación de evolución
4
1
del estado, se obtiene ẋ = 2x + A
2
e−2t −
4
A −2t 1
De ẋ = 2x + 2
e − .
4
La solución homogénea es xh (t) = Be2t y se propone una particular
xp (t) = M e−2t + N
..
.

A −2t 1
De ẋ = 2x + 2
e − .
4
La solución homogénea es xh (t) = Be2t y se propone una particular
xp (t) = M e−2t + N
..
.Restan las condiciones inicial y terminal.

Para el problema: R1
max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
El Hamiltoniano asociado es: H = ux − x2 − u2 + λ(x + u)

max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
Se obtienen las ecuaciones:
(a) λ̇ = −(u − 2x + λ).
(b) ẋ = x + u

max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
(a) λ̇ = −(u − 2x + λ).
(b) ẋ = x + u
Para maximizar H respecto a u, sea G(u) = −u2 + (λ + x)u + “cte”. G es cóncava y
derivable, siendo G0 (u) = −2u + λ + x. Aplicando condición de optimalidad, resulta
u∗ = 12 (λ + x). Sustituyendo en (a) y (b), tenemos el sistema dinámico:
ẋ = 32 x + 12 λ, λ̇ = 23 x − 32 λ con las condiciones x(0) = 3, x(1) = 2.

Formulación general del problema de Control óptimo, horizonte finito
Se trata de hallar u∗ (t) ∈ Ω(t) (llamados controles óptimos) que resuelvan el

problema
 Z T
max F (t, x, u)dt + S[x(T )]




 u 0
(P CO) s.a. ẋi = fi (t, x, u), t ∈ [0, T ], i = 1, · · · , m
x(0) = x , (dado)

0



u(t) ∈ Ω(t)

donde x es una variable vectorial, x ∈ X ⊂ Rn y lo mismo u ∈ Ω ⊂ Rm . Ω se

denomina conjunto de controles admisibles y se asume que u es continua por
secciones en [0, T ].

Hamiltoniano
El Hamiltoniano asociado al problema (PCO) se define en [0, T ] × X × Ω × Λ,

mediante:
m
X
H(t, x, u, λ) = F (t, x, u) + λi fi (t, x, u)
i=1
n
donde Λ ⊂ R es el conjunto de las variables denominadas de coestado.
Equivalentemente:
H(t, x, u, λ) = F (t, x, u) + hλ(t), f (t, x, u)i

Condiciones de Optimalidad
Principio del Máximo de Pontryagin
Dado el problema (PCO), se tiene:
Teorema
Para que u∗ (t) sea una solución de (PCO) con la correspondiente variable de estado
x∗ (t), es necesario que exista λ∗ (t) = (λ∗1 (t), · · · , λ∗m (t)) no identicamente nula para
cada t, tal que para cada punto de continuidad t en [0, T ] de u∗ y cada i = 1, · · · , m,
se verifica:
(1) : H(t, x∗ , u∗ , λ∗ ) ≥ H(t, x∗ , u, λ∗ ) ∀u ∈ Ω
∂H
(2) : λ̇∗i (t) = − (t, x∗ (t), u∗ (t))
∂xi
∂S[x∗ (T )]
con λ∗i (T ) = .
∂xi
∂H
(3) : ẋ∗i = (t, x∗ (t), u∗ (t))
λi
∗
con x (0) = x0 .

Condiciones de transversalidad
1 Instante final T dado y estado final libre
∂S[T, x∗ (T )]
λ∗ (t) =
∂x∗ (T )
2 Instante y estado final libres
∂S[T, x∗ (T )]
H[t, x∗ (t), u∗ (t), λ∗ (t)]|t=T + = 0.
∂T
y la condición previa.
3 T libre y estado final xT dado
∂S[T, x∗ (T )]
H[t, x∗ (t), u∗ (t), λ∗ (t)]|t=T + = 0.
∂T

Condiciones suficientes
Teorema
Sean u∗ (t), x∗ (t), λ∗ (t) que satisfacen las condiciones del Principio del máximo
(y transversalidad si es necesario), ∀t ∈ [0, T ]. Si
F y f son cóncavas en (x, u) para cada t ∈ [0, T ].
S es cóncava en x.
λ∗ (t) ≥ 0, ∀t ∈ [0, T ], si f no es lineal en (x, u).
Entonces u∗ es el control óptimo del problema (PCO) con x∗ (t) trayectoria del
estado óptimo.

Resolver el problema:
R1
max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
Solución: El Hamiltoniano asociado es: H = ux − x2 − u2 + λ(x + u)

R1
max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
(a) λ̇ = −(u − 2x + λ).
(b) ẋ = x + u

R1
max 0 (ux − x2 − u2 )dt
u
s.a. ẋ = x + u, .
x(0) = 3, x(1) = 2
(a) λ̇ = −(u − 2x + λ).
(b) ẋ = x + u
Para maximizar H respecto a u, sea G(u) = −u2 + (λ + x)u + “cte”. G es cóncava y
derivable, siendo G0 (u) = −2u + λ + x. Aplicando condición de optimalidad, resulta
u∗ = 12 (λ + x). Sustituyendo en (a) y (b), tenemos el sistema dinámico:
ẋ = 32 x + 12 λ, λ̇ = 23 x − 32 λ con las condiciones x(0) = 3, x(1) = 2.
Agregar las condiciones de suficiencia para el problema original.

Resolver el problema: R1
max 0 ( 12 x − u)dt
u
s.a. ẋ = x + u, x(0) = 3.
u(t) ∈ [−1, 1]
1
Solución: El Hamiltoniano asociado es: H = 2
x − u + λx + λu

max 0 ( 12 x − u)dt
u
s.a. ẋ = x + u, x(0) = 3.
u(t) ∈ [−1, 1]
1
x − u + λx + λu
Mientras que las ecuaciones canónicas son:
(a) λ̇ = −( 12 + λ) → λ̇ + λ = − 12 .
(b) ẋ = x + u

max 0 ( 12 x − u)dt
u
s.a. ẋ = x + u, x(0) = 3.
u(t) ∈ [−1, 1]
1
x − u + λx + λu
(a) λ̇ = −( 12 + λ) → λ̇ + λ = − 12 .
(b) ẋ = x + u
Sea G(u) = (λ − 1)u + 21 x + λx con −1 ≤ u ≤ 1 y u = u∗ que maximiza G,
entonces 
 1, si λ > 1
∗
u (t) = c.v., si λ = 1
 −1, si λ < 1
De (a) se obtiene λ(t) = Ae−t + 12 y con la condición de transversalidad λ(1) = 0,
e
resulta A = y por tanto λ(t) = 12 (e1−t − 1) para t ∈ [0, 1],
2

max 0 ( 12 x − u)dt
u
s.a. ẋ = x + u, x(0) = 3.
u(t) ∈ [−1, 1]
1
x − u + λx + λu
(a) λ̇ = −( 12 + λ) → λ̇ + λ = − 12 .
(b) ẋ = x + u
entonces 
 1, si λ > 1
∗
u (t) = c.v., si λ = 1
 −1, si λ < 1
e
resulta A = y por tanto λ(t) = 12 (e1−t − 1) para t ∈ [0, 1], en consecuencia
2
λ(t) < 1 y ası́ u∗ = −1.

max 0 ( 12 x − u)dt
u
s.a. ẋ = x + u, x(0) = 3.
u(t) ∈ [−1, 1]
1
x − u + λx + λu
(a) λ̇ = −( 12 + λ) → λ̇ + λ = − 12 .
(b) ẋ = x + u
entonces 
 1, si λ > 1
∗
u (t) = c.v., si λ = 1
 −1, si λ < 1
e
resulta A = y por tanto λ(t) = 12 (e1−t − 1) para t ∈ [0, 1], en consecuencia
2
λ(t) < 1 y ası́ u∗ = −1.Retornando a (b), se obtiene la senda óptima x∗ (t).

Un problema básico de consumo
RT
max J= 0
e−ρt lnC(t)dt
C
s.a. Ẇ = rW − C
W (0) = W0 , W (T ) = 0.

RT
max J= 0
e−ρt lnC(t)dt
C
s.a. Ẇ = rW − C
W (0) = W0 , W (T ) = 0.
El Hamiltoniano asociado es
H = e−ρt lnC(t) + λ(rW − C)

∂H
y λ debe satisfacer λ̇ = − ∂W = −rλ, de donde λ(t) = Ke−rt , con K una
constante positiva. Por otro lado, maximizando H respecto a C, aplicando
condiciones necesarias de optimalidad, resulta
e−ρt
−λ=0
C
1 (r−ρ)t
es decir C(t) = K
e .

RT
max J= 0
e−ρt lnC(t)dt
C
s.a. Ẇ = rW − C
W (0) = W0 , W (T ) = 0.
El Hamiltoniano asociado es
H = e−ρt lnC(t) + λ(rW − C)

∂H
y λ debe satisfacer λ̇ = − ∂W = −rλ, de donde λ(t) = Ke−rt , con K una
constante positiva. Por otro lado, maximizando H respecto a C, aplicando
condiciones necesarias de optimalidad, resulta
e−ρt
−λ=0
C
1 (r−ρ)t
es decir C(t) = K e .
Para culminar con los cálculos, emplear la ecuación diferencial para W con las
condiciones W (0) = W0 y W (T ) = 0.

EJEMPLO: Asignación regional de la inversión
Considere una economı́a consistente en dos regiones (1 y 2), cada cual produciendo el
mismo output Y . Asumir que cada output Yi de la región i es producido según
Yi = bi Ki , i = 1, 2
siendo Ki el stock de capital en la región i, con bi constantes positivas. El problema
es, encontrar una distribución de la inversión en las regiones en el periodo de vigencia
[0, T ], tal que permita maximizar
Y (T ) = Y1 (T ) + Y2 (T ) = b1 K1 (T ) + b2 K2 (T )
Puesto que el fondo de inversión Z para las regiones, proviene del ahorro acumulado
en la economı́a, se tiene Z = s 1 Y1 + s 2 Y2
donde si ∈]0, 1[ es la propensión(constante) al ahorro de la región i.Si gi = bi si ,
entonces Z = g1 K1 + g2 K2 .

Denotando por β = β(t) la proporción del fondo de inversión destinada a la región 1,
e ignorando depreciación del stock del capital, se tiene
K̇1 (t) = β[g1 K1 (t) + g2 K2 (t)] ,
K̇2 (t) = (1 − β)[g1 K1 (t) + g2 K2 (t)]
En suma, se formula el siguiente problema
maxβ b1 K1 (T ) + b2 K2 (T )
s.a K̇1 (t) = β[g1 K1 (t) + g2 K2 (t)]
K̇2 (t) = (1 − β)[g1 K1 (t) + g2 K2 (t)]
0 ≤ β ≤ 1, K1 (0) = c1 , K2 (0) = c2 .
SOLUCIÓN:El Hamiltoniano asociado es

H = λ1 β[g1 K1 (t) + g2 K2 (t)] + λ2 (1 − β)[g1 K1 (t) + g2 K2 (t)]
= (λ1 β + λ2 (1 − β))(g1 K1 + g2 K2 )

Las respectivas ecuaciones canónicas, son
λ˙1 = − ∂K
∂H
= −(λ1 β + λ2 (1 − β))g1
1 (3)
λ˙2 = − ∂K
∂H
= −(λ1 β + λ2 (1 − β))g2
2
y aplicando el Principio del Máximo:

max [λ1 − λ2 ][g1 K1 + g2 K2 ]β
β
resulta que β∗ es el óptimo según los casos


 1, si λ1 > λ2
∗
β = c.v., si λ1 = λ2
 0, si λ1 < λ2
Es fácil deducir que de las ecuaciones (1) para β = 0 ó β = 1 se obtienen soluciones
de λ1 (t) y λ2 (t) decrecientes respecto a t, y siendo λ1 (T ) = b1 y λ2 (T ) = b2 (por las
condiciones de transversalidad ), se concluye que λ1 (t) y λ2 (t) son positivos en [0, T ].

λ˙1 g1
De las ecuaciones (1), se obtiene = , de donde
λ˙2 g2
g1
λ1 (t) = λ2 (t) + C
g2
b1 g2 − b2 g1
y empleando las condiciones λi (T ) = bi , resulta C = y de esta manera
g2
g1 − g2 b1 b2
λ1 (t) − λ2 (t) = λ2 (t) + (s2 − s1 ).
g2 g2
Particularmente, si g1 > g2 y s1 > s2 , entonces λ1 (t) > λ2 (t) y en consecuencia
β = 1, es decir toda la inversión se destina a la región 1.

CondicionesTransversalidad Suficiencia10 2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CondicionesTransversalidad Suficiencia10 2

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICAS PARA ECONOMÍSTAS

Control Óptimo Determinı́stico

Prof. Abelardo Jordán Liza

Facultad CCSS- Especialidad Economı́a - PUCP

Junio 11 del 2020

CONCEPTOS BÁSICOS Y DEFINICIONES

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

CONCEPTOS BÁSICOS Y DEFINICIONES

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

CONCEPTOS BÁSICOS Y DEFINICIONES

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

CONCEPTOS BÁSICOS Y DEFINICIONES

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

CONCEPTOS BÁSICOS Y DEFINICIONES

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Recuerde que u = u(t) es una respuesta en el instante t, en general se asume

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Recuerde que u = u(t) es una respuesta en el instante t, en general se asume

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Recuerde que u = u(t) es una respuesta en el instante t, en general se asume

Se trata de hallar la función u∗ = u∗ (t) ∈ Ω tal que J(u∗ ) ≥ J(u), ∀u ∈ Ω

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Pueden presentarse varias variables de estado x1 , · · · , xn y Varias variables de

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Pueden presentarse varias variables de estado x1 , · · · , xn y Varias variables de

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Supongamos que la captura de Q unidades de cierto recurso pesquero(por

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Supongamos que la captura de Q unidades de cierto recurso pesquero(por

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Supongamos que la captura de Q unidades de cierto recurso pesquero(por

Sea c(I(t)) la función que manifiesta el costo de invertir la cantidad I(t) de

π(K(t), I(t)) = pq(K(t)) − c(I(t))

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Supongamos que la captura de Q unidades de cierto recurso pesquero(por

Sea c(I(t)) la función que manifiesta el costo de invertir la cantidad I(t) de

π(K(t), I(t)) = pq(K(t)) − c(I(t))

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

“Minimizar el costo de Producción con inventario en [0, T ]”

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

En esta parte consideremos un problema básico de control óptimo con una

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

En esta parte consideremos un problema básico de control óptimo con una

H(t, x, u, λ) = F (t, x, u) + λ(t)f (t, x, u)

donde λ = λ(t) se denomina variable de co-estado.

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

Supongamos que u∗ = u∗ (t) resuelve el problema (2), entonces:

La senda óptima de estado x∗ (t) y λ(t) asociado, satisfacen el sistema:

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS

A. Jordán Liza MATEMÁTICAS PARA ECONOMISTAS